zend-framework - Zend Lucene - 标记瑞典字符

Question

我使用 Zend Lucene 来索引瑞典语文本。问题是 lucene 在瑞典字符 åäö 处标记单词。例如，单词“världens”在索引中变成了两个单词“v”和“ldens”。

有没有办法添加 zend lucene 应该接受而不是标记的字符？

Answer 1

使用 UTF-8 compatible text analyzer而不是 default text analyzer用于标记化。请注意，这需要 PHP 的 PCRE (Perl 兼容的正则表达式)库要编译为 UTF-8 支持(如果您使用与 PHP 捆绑的 PCRE 库，则为默认值，但如果您使用共享库，则可能不会启用)。对于不区分大小写的 UTF-8 兼容分析器版本，您还需要启用 mbstring 扩展。